脑-机接口中脑电特征信号的可靠快速提取新方法研究

针对脑-机接口（BCI）理论和应用上存在的问题，依据现代信息技术、医学与神经电生理技术、以及数学物理科学的学科交叉，组合优化配置国内外的研究力量，着重研究脑电特征信号的少次提取和机器学习新方法，包括基于稀疏分解的特征信号分离新方法、基于ICA欠定问题的信号噪声分离新方法、基于最小输出能量的诱发脑电少次/单次提取新方法和基于半监督学习的神经网络和支持向量机新方法，以改善脑电信息获取的可靠性，降低信息传输的误码率。并根据BCI系统在线信号处理的特点，对所提出算法的实时性优化方法及实现技术进行深入研究，提高脑电信息的传输速率。研究设计并实现基于脑-机接口技术的智能轮椅验证系统，一方面用于验证本项目关于脑电特征信号的可靠快速提取、识别、及传输处理的可行性有效性，另一方面，使脑-机接口在残障人士生活支持及康复应用中取得新的进展。